SuperAPI AI 工具集

offensive-fuzzing-course

安全与审计

查看项目

更新于 11-10 16:19

技能介绍

本技能是一套关于自动化漏洞发现(Fuzzing)的结构化训练课程,属于 REA_Skill + claude-red 统一安全与逆向工程套件,面向自动化软件测试与模糊测试方向。

用途与定位 课程聚焦自动化软件测试中的模糊测试实践与工程化落地,适合用于授权范围内的安全评估、防御架构评审、漏洞分诊、漏洞赏金验证与修复工程等场景。资料明确要求:仅对自有或获得明确测试许可的软件、基础设施与资产使用。

主要能力与课程主题 课程以结构化训练方式覆盖:插桩机制(SanitizerCoverage)、字典创建、持久模式测试桩(persistent-mode harnesses)、差分模糊测试(differential fuzzing),以及在 CI/CD 中持续开展模糊测试(OSS-Fuzz)。同时给出可操作的工作流程与审计清单。

工作流程

  1. 攻击面与架构盘点:识别与模糊测试领域相关的所有入口点、信任边界、解析器和配置文件,并结合静态代码/二进制检查(REA MCP 工具、rg、AST 分析或反编译)与运行时配置核验。
  2. 假设与漏洞验证:针对已知 CWE 与 OWASP 模式系统化测试各项安全不变量,记录受影响文件/过程、行号或二进制偏移、请求/响应轨迹及根因等具体证据。
  3. 影响与可达性分诊:评估问题是否跨越信任边界可达、纵深防御控制是否可缓解,并计算 CVSS v3.1 / v4.0 评分。
  4. 修复与回归验证:提供可投入生产、可直接复制使用的修复代码,并编写自动化回归测试或验证命令,证明缺陷已修复且无回归。

审计与验证清单 课程按阶段给出检查项、验证方法与期望的安全状态:发现阶段枚举模糊测试面与依赖;输入与状态阶段验证解析器行为、类型安全与状态迁移;认证与隔离阶段核验调用者身份、租户隔离与最小权限;纵深防御阶段检查次级控制、日志与编译器/运行时标志;修复阶段应用修复并执行自动化回归测试(如 npm test / 工具链构建与测试套件),期望达到 0 漏洞、0 构建错误。

与工具链的配合 源码不可用时,可配合 rea-universal-orchestrator、rea-binary-disassembly、rea-web-bundle-recovery 或 rea-mobile-app-recovery 进行静态与二进制分析;大规模评估前可调用 /rea-grill-me 明确范围、目标环境与验收标准;报告阶段可配合 offensive-reporting,以 CVSS 向量、CWE 映射和修复补丁格式化发现。

适用场景与限制 适用于授权安全测试与防御性评审中的模糊测试训练与流程执行。资料未提供具体收费标准、支持的平台清单、课程时长或先修要求,暂未提供。使用须严格遵守授权与范围声明。